From 0ddfeab7a614dae544afd1e5ccff41606985f4a7 Mon Sep 17 00:00:00 2001
From: jiangzhonglian <jiang-s@163.com>
Date: Mon, 20 Mar 2017 18:20:28 +0800
Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0Knn=E6=B3=A8=E9=87=8A?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 src/python/02.kNN/kNN.py | 32 ++++++++++++++++++++++++++++++--
 1 file changed, 30 insertions(+), 2 deletions(-)

diff --git a/src/python/02.kNN/kNN.py b/src/python/02.kNN/kNN.py
index 271aa621..f2f8616a 100644
--- a/src/python/02.kNN/kNN.py
+++ b/src/python/02.kNN/kNN.py
@@ -37,8 +37,29 @@ def classify0(inX, dataSet, labels, k):
     # 1. 距离计算
     dataSetSize = dataSet.shape[0]
     # tile生成和训练样本对应的矩阵，并与训练样本求差
+    """
+    tile: 列-3表示复制的行树， 行-1／2表示对inx的重复的次数
+
+    In [8]: tile(inx, (3, 1))
+    Out[8]:
+    array([[1, 2],
+        [1, 2],
+        [1, 2]])
+
+    In [9]: tile(inx, (3, 2))
+    Out[9]:
+    array([[1, 2, 1, 2],
+        [1, 2, 1, 2],
+        [1, 2, 1, 2]])
+    """
     diffMat = tile(inX, (dataSetSize, 1)) - dataSet
     """
+    欧氏距离： 点到点之间的距离
+       第一行： 同一个点 到 dataSet的第一个点的距离。
+       第二行： 同一个点 到 dataSet的第二个点的距离。
+       ...
+       第N行： 同一个点 到 dataSet的第N个点的距离。
+
     [[1,2,3],[1,2,3]]-[[1,2,3],[1,2,0]]
     (A1-A2)^2+(B1-B2)^2+(c1-c2)^2
     """
@@ -104,10 +125,14 @@ def autoNorm(dataSet):
     归一化特征值，消除属性之间量级不同导致的影响
     :param dataSet: 数据集
     :return: 归一化后的数据集normDataSet,ranges和minVals即最小值与范围，并没有用到
+
+    归一化公式：
+        Y = (X-Xmin)-(Xmax-Xmin)
     """
     # 计算每种属性的最大值、最小值、范围
     minVals = dataSet.min(0)
     maxVals = dataSet.max(0)
+    # 极差
     ranges = maxVals - minVals
     normDataSet = zeros(shape(dataSet))
     m = dataSet.shape[0]
@@ -123,14 +148,16 @@ def datingClassTest():
     对约会网站的测试方法
     :return: 错误数
     """
-    hoRatio = 0.9  # 测试范围,一部分测试一部分作为样本
+    # 设置测试数据的的一个比例（训练数据集比例=1-hoRatio）
+    hoRatio = 0.1  # 测试范围,一部分测试一部分作为样本
     # 从文件中加载数据
     datingDataMat, datingLabels = file2matrix('testData/datingTestSet2.txt')  # load data setfrom file
     # 归一化数据
     normMat, ranges, minVals = autoNorm(datingDataMat)
     m = normMat.shape[0]
-    # 测试的数据
+    # 设置测试的样本数量， numTestVecs:m表示训练样本的数量
     numTestVecs = int(m * hoRatio)
+    print 'numTestVecs=', numTestVecs
     errorCount = 0.0
     for i in range(numTestVecs):
         # 对数据测试，
@@ -162,6 +189,7 @@ def handwritingClassTest():
     trainingFileList = listdir('testData/trainingDigits')  # load the training set
     m = len(trainingFileList)
     trainingMat = zeros((m, 1024))
+    # hwLabels存储0～9对应的index位置， trainingMat存放的每个位置对应的图片向量
     for i in range(m):
         fileNameStr = trainingFileList[i]
         fileStr = fileNameStr.split('.')[0]  # take off .txt